ایجنت هوش مصنوعی هم‌بنیان‌گذار HeyGen که ۱۳۲ قرارداد فروش بست

ایجنت هوش مصنوعی هم‌بنیان‌گذار HeyGen ۱۳۲ قرارداد بست

اخبار · هوش مصنوعی

هم‌بنیان‌گذار شرکت HeyGen پیش از تولد فرزندش تصمیم گرفت خط مقدم فروش را به یک نسخه‌ی هوش مصنوعی از خودش بسپارد. نتیجه در هشت هفته، گفت‌وگو با هزاران سرنخ فروش و بستن ۱۳۲ قرارداد پولی بود. اما همین ایجنت در چند مورد از کنترل خارج شد و پلنی را فروخت که اصلاً وجود نداشت. این ماجرا شاید صادقانه‌ترین گزارش میدانی سال درباره‌ی توان و خطر ایجنت‌های خودمختار باشد.

چکیده. وین لیانگ، هم‌بنیان‌گذار HeyGen، با ترکیب فناوری آواتار ویدیویی این شرکت و یک ایجنت مبتنی بر OpenClaw، کپی دیجیتال خودش را روی تماس‌های فروش گذاشت. طبق گزارش‌ها این ایجنت در هشت هفته با ۲٬۷۴۱ مشتری بالقوه صحبت کرد، ۱۳۲ مشتری پرداخت‌کننده جذب کرد و ۳۷ فرصت فروش سازمانی به ارزش تقریبی ۳ میلیون دلار ساخت. در مقابل، یک پلن ۴٬۸۰۰ دلاری خیالی پیشنهاد داد، یادداشت‌های داخلی تیم را برای مشتری ایمیل کرد و جلسه‌هایی را بدون تأیید انسانی روی تقویم گذاشت. HeyGen پس از این اتفاق‌ها سطح دسترسی ایجنت را محدود کرد.
ایجنت هوش مصنوعی هم‌بنیان‌گذار HeyGen که ۱۳۲ قرارداد فروش بست

۱) ماجرا از کجا شروع شد

روایت ساده است و دقیقاً به همین دلیل تکان‌دهنده. وین لیانگ، یکی از دو هم‌بنیان‌گذار شرکت HeyGen، درست پیش از تولد فرزندش با یک انتخاب کلاسیک بنیان‌گذاران روبه‌رو شد: یا مرخصی را کنار بگذارد و همچنان به تماس‌های فروش پاسخ دهد، یا خط مقدم درآمد شرکت را برای چند هفته خالی بگذارد. او راه سومی را انتخاب کرد که تا دو سال پیش بیشتر شبیه فیلم علمی-تخیلی بود؛ ساختن یک نسخه‌ی هوش مصنوعی از خودش.

این نسخه فقط یک چت‌بات متنی نبود. لیانگ از همان فناوری‌ای استفاده کرد که محصول اصلی شرکتش است: آواتار ویدیویی با چهره و صدای واقعی خودش. طرف مقابل در تماس، تصویری از وین لیانگ می‌دید که حرف می‌زد، سؤال می‌پرسید و پاسخ می‌داد. لایه‌ی تصمیم‌گیری هم بر پایه‌ی یک ایجنت مبتنی بر OpenClaw ساخته شده بود که می‌توانست به ابزارهای داخلی شرکت وصل شود، در سیستم مدیریت مشتری یادداشت بگذارد و در صورت نیاز موضوع را به یک انسان ارجاع دهد.

۲) معماری فنی این «کپی دیجیتال»

برای درک درست ماجرا باید سه لایه را از هم جدا کرد. لایه‌ی نخست، ظاهر است: آواتار ویدیویی هم‌زمان که لب‌ها را با گفتار هماهنگ می‌کند و حس حضور یک انسان را می‌سازد. لایه‌ی دوم، مغز است: مدل زبانی‌ای که متن گفت‌وگو را تولید می‌کند و آموزش دیده تا لحن، استدلال‌های فروش و پاسخ‌های همیشگی بنیان‌گذار را بازتولید کند. لایه‌ی سوم و مهم‌ترین بخش، دست‌ها هستند: مجموعه‌ی ابزارهایی که ایجنت اجازه‌ی استفاده از آن‌ها را دارد؛ از ثبت اطلاعات تماس گرفته تا ارسال ایمیل و رزرو جلسه روی تقویم.

تفاوت یک دستیار مکالمه‌ای با یک ایجنت واقعی دقیقاً در همین لایه‌ی سوم است. تا وقتی مدل فقط حرف می‌زند، بدترین خطایش یک جمله‌ی اشتباه است. اما وقتی همان مدل به تقویم، ایمیل و پایگاه داده‌ی مشتریان دسترسی می‌گیرد، هر خطای زبانی می‌تواند به یک اقدام واقعی و برگشت‌ناپذیر تبدیل شود. اگر می‌خواهید تصویر کامل‌تری از این مرز باریک میان توانایی و ریسک داشته باشید، مرور پتانسیل و محدودیت‌های واقعی هوش مصنوعی نقطه‌ی شروع خوبی است.

۳) اعداد هشت هفته در یک نگاه

طبق گزارش‌ها، عملکرد این ایجنت در بازه‌ی هشت‌هفته‌ای چنین بود: گفت‌وگو با ۲٬۷۴۱ مشتری بالقوه، جذب ۱۳۲ مشتری پرداخت‌کننده و ساخت ۳۷ فرصت فروش سازمانی با ارزش تقریبی ۳ میلیون دلار. اگر این اعداد را کنار هم بگذاریم، نرخ تبدیل سرنخ به مشتری پولی حدود ۴.۸ درصد می‌شود؛ رقمی که برای فروش نرم‌افزار خودسرویس اصلاً بد نیست و در بسیاری از تیم‌های انسانی هم چیزی در همین حدود است.

اما نکته‌ی مهم‌تر عدد تبدیل نیست، ظرفیت است. هیچ فروشنده‌ی انسانی در هشت هفته نمی‌تواند نزدیک به سه هزار مکالمه‌ی اختصاصی انجام دهد، آن هم بدون خستگی، بدون اختلاف ساعت زمانی و بدون صف انتظار. برتری اصلی ایجنت در کیفیت متقاعدسازی نبود؛ در این بود که هیچ سرنخی بی‌پاسخ نماند. همین ویژگی، دلیل اصلی علاقه‌ی مدیران به این فناوری است و در تحلیل اهمیت هوش مصنوعی در کسب‌وکار هم بارها روی همین «مقیاس‌پذیری توجه» تأکید شده است.

آواتار ویدیویی هم‌بنیان‌گذار HeyGen در نقش نماینده فروش

۴) جایی که ایجنت از کنترل خارج شد

بخش جذاب ماجرا اینجاست که HeyGen خطاها را پنهان نکرد. دست‌کم سه اتفاق مشخص گزارش شده است. نخست، ایجنت به یک مشتری پلنی به ارزش ۴٬۸۰۰ دلار پیشنهاد داد که در فهرست قیمت شرکت اصلاً وجود نداشت؛ نمونه‌ی کلاسیک توهم مدل، اما این‌بار نه در قالب یک جمله‌ی بی‌ضرر، بلکه در قالب یک تعهد تجاری.

دوم، ایجنت یادداشت‌های داخلی تیم را برای یک مشتری ایمیل کرد. این خطا از جنس دیگری است: مسئله‌ی توهم نیست، مسئله‌ی مرزبندی داده است. ایجنت به کل زمینه‌ی گفت‌وگو دسترسی داشت و تشخیص نداد کدام بخش برای چشم مشتری نوشته نشده. سوم، ایجنت بر اساس یک لینک تقویم قدیمی جلسه‌هایی را هماهنگ کرد که هیچ انسانی تأییدشان نکرده بود؛ یعنی روی وقت افراد واقعی تصمیم گرفت.

چرا این سه خطا شبیه هم هستند

هر سه مورد یک ریشه دارند: اختیار بیش از حد. ایجنت در همه‌ی این موقعیت‌ها به‌درستی «فهمید» که باید کاری انجام دهد، اما توان تشخیص اینکه انجام آن کار در حیطه‌ی اختیارش هست یا نه را نداشت. سامانه‌ای که می‌تواند قیمت بگوید ولی به فهرست قیمت رسمی قفل نشده، دیر یا زود قیمتی از خودش می‌سازد.

۵) واکنش شرکت و منطق پشت آن

شرکت HeyGen پس از این اتفاق‌ها اعلام کرد سطح دسترسی ایجنت را محدود کرده و تصمیم‌های حساس را از اختیار آن خارج کرده است. این دقیقاً همان الگویی است که در ادبیات ایمنی ایجنت‌ها به آن «کمینه‌سازی اختیار» گفته می‌شود: ایجنت هر ابزاری را که برای کار روزمره‌اش لازم نیست، نباید در اختیار داشته باشد، و هر اقدامی که اثر مالی یا حقوقی دارد باید از یک دروازه‌ی تأیید انسانی عبور کند.

نکته‌ی قابل توجه این است که HeyGen ایجنت را کنار نگذاشت. یعنی ارزیابی داخلی شرکت این بوده که سود عملیاتی این سامانه از هزینه‌ی خطاهایش بیشتر است، به شرط آنکه دیوارهای محافظ درست بنا شوند. این تفاوت میان «رها کردن فناوری» و «مهار کردن فناوری» همان چیزی است که تیم‌های موفق را از بقیه جدا می‌کند.

خطای ایجنت هوش مصنوعی HeyGen در پیشنهاد پلن ۴۸۰۰ دلاری ناموجود

۶) درس‌هایی برای هر تیمی که ایجنت به کار می‌گیرد

نخستین درس، تفکیک خواندن از نوشتن است. دسترسی ایجنت به اطلاعات باید سخاوتمندانه و دسترسی‌اش به اقدام باید خسیسانه باشد. ایجنت می‌تواند تاریخچه‌ی مشتری را بخواند، اما ارسال ایمیل، صدور فاکتور و قطعی‌کردن جلسه باید پشت دکمه‌ی تأیید انسان بماند.

درس دوم، قفل‌کردن حقایق است. قیمت، شرایط قرارداد و ظرفیت پلن‌ها نباید از حافظه‌ی مدل بیرون بیایند؛ باید از یک منبع ساختاریافته و قابل استعلام خوانده شوند و اگر مدل چیزی در آن منبع پیدا نکرد، پاسخ درست «نمی‌دانم، همکارم پیگیری می‌کند» است.

درس سوم، پاک‌سازی زمینه است. یادداشت داخلی، پیام‌های تیم و ارزیابی‌های محرمانه نباید در همان بافتی قرار بگیرند که ایجنت از آن پاسخ می‌سازد. درس چهارم هم مربوط به بهداشت زیرساخت است: لینک تقویم قدیمی که هنوز فعال بود، دقیقاً همان بدهی فنی کوچکی است که در دست یک ایجنت خودمختار بزرگ می‌شود.

۷) چرا فروش، زمین آزمون طبیعی ایجنت‌هاست

فروش چند ویژگی دارد که آن را به میدان اول ایجنت‌ها تبدیل کرده است. کار تکرارشونده و الگودار است، خروجی‌اش قابل اندازه‌گیری است و بازخورد سریع می‌گیرد. مهم‌تر از همه، بیشتر تیم‌ها در فروش با کمبود ظرفیت روبه‌رو هستند، نه کمبود کیفیت؛ یعنی سرنخ‌هایی وجود دارند که هرگز پاسخ نمی‌گیرند.

در عین حال فروش خطرناک‌ترین جای ممکن برای خطاست، چون هر جمله می‌تواند تعهد تجاری بسازد. همین دوگانگی است که ماجرای HeyGen را به یک مطالعه‌ی موردی ارزشمند تبدیل می‌کند. برای دیدن اینکه رقابت مدل‌ها چطور به این کاربردهای عملی رسیده، مقایسه‌ی چت‌جی‌پی‌تی و دیپ‌سیک تصویر خوبی از سرعت این مسابقه می‌دهد.

۸) این ماجرا برای شغل فروشنده چه معنایی دارد

ساده‌ترین برداشت این است که ایجنت جای فروشنده را می‌گیرد، اما داده‌ها چیز دیگری می‌گویند. ایجنت در این تجربه بیشترین ارزش را در بالای قیف فروش ساخت: پاسخ اولیه، صلاحیت‌سنجی سرنخ و ثبت اطلاعات. آن ۳۷ فرصت سازمانی سه‌میلیون‌دلاری هم در نهایت به میز انسان‌ها رسید، چون قراردادهای بزرگ به اعتماد، مذاکره و مسئولیت‌پذیری حقوقی نیاز دارند.

تصویر واقع‌بینانه‌تر این است که ترکیب فروشنده‌ی انسانی و ایجنت، خروجی بیشتری از هرکدام به‌تنهایی می‌دهد. همان الگویی که در حوزه‌ی مهندسی نرم‌افزار هم دیده‌ایم و در یادداشت توهم توسعه‌دهنده‌ی تنها در برابر مهندس واقعی با جزئیات بررسی شده است.

۹) اگر می‌خواهید چنین سامانه‌ای بسازید

پیش از هر چیز دامنه را کوچک نگه دارید؛ یک وظیفه‌ی مشخص مثل پاسخ به سرنخ‌های ورودی، نه «هر کاری که یک فروشنده می‌کند». سپس فهرست ابزارها را بنویسید و هر ابزار را با یک سؤال بسنجید: بدترین اتفاق ممکن با این ابزار چیست و آیا قابل برگشت است؟ هر اقدام برگشت‌ناپذیر باید تأیید انسانی بگیرد.

در گام بعد، کیفیت دستور اولیه تعیین‌کننده است. مرزهای صریح مثل «هرگز قیمتی خارج از فهرست رسمی اعلام نکن» باید در متن دستور و در لایه‌ی ابزار هم‌زمان اعمال شوند. راهنمای پرامپت‌نویسی برای مبتدی‌ها برای ساختن همین مرزها کاربردی است و آموزش‌های تکمیلی را هم در بخش آموزش‌های چت‌جی‌پی‌تی پیدا می‌کنید. دست آخر، همه‌چیز را ثبت و بازبینی کنید؛ بدون بازخوانی منظم گفت‌وگوها، خطای چهارصدوهشتاد دلاری امروز به خطای چهل‌هزاردلاری فردا تبدیل می‌شود.

پرسش‌های پرتکرار درباره‌ی ایجنت فروش HeyGen

این ایجنت دقیقاً چه کاری انجام می‌داد؟

نسخه‌ای ویدیویی از هم‌بنیان‌گذار شرکت بود که تماس‌های فروش ورودی را برمی‌داشت، به پرسش‌ها پاسخ می‌داد، اطلاعات مشتری را در سیستم‌های داخلی ثبت می‌کرد و در موارد لازم موضوع را به اعضای تیم ارجاع می‌داد.

آیا مشتری‌ها می‌دانستند با هوش مصنوعی حرف می‌زنند؟

روایت منتشرشده بر پایه‌ی این است که ماجرا به‌عنوان یک آزمایش علنی مطرح شده و شرکت خودش جزئیات و خطاها را عمومی کرده است. در هر حال، شفاف‌بودن درباره‌ی هویت ایجنت یکی از اصول پذیرفته‌شده در استفاده‌ی مسئولانه از این فناوری است.

مهم‌ترین خطای این ایجنت چه بود؟

پیشنهاد یک پلن ۴٬۸۰۰ دلاری که اصلاً وجود نداشت؛ چون این خطا از سطح یک جمله‌ی نادرست فراتر رفت و تبدیل به یک وعده‌ی تجاری شد. ارسال یادداشت‌های داخلی برای مشتری هم از نظر نشت اطلاعات جدی بود.

آیا کسب‌وکارهای کوچک هم می‌توانند چنین کاری کنند؟

بله، اما با دامنه‌ی کوچک‌تر. شروع منطقی، سپردن پاسخ‌های اولیه و صلاحیت‌سنجی سرنخ به ایجنت و نگه‌داشتن قیمت‌گذاری و قرارداد در دست انسان است. برای آشنایی بیشتر با بازیگران این حوزه، مطلب اوپن‌ای‌آی چیست زمینه‌ی خوبی می‌دهد.

آیا این یعنی ایجنت‌ها آماده‌ی کار مستقل هستند؟

نه هنوز. تجربه‌ی HeyGen نشان می‌دهد ایجنت‌ها در حجم و سرعت فوق‌العاده‌اند، اما در تشخیص مرز اختیار ضعیف‌اند. نظارت انسانی روی تصمیم‌های مالی و حقوقی همچنان ضروری است.

جمع‌بندی. ماجرای ایجنت HeyGen هم‌زمان یک موفقیت و یک هشدار است: صد و سی‌ودو قرارداد در هشت هفته نشان می‌دهد ایجنت‌ها واقعاً کار می‌کنند، و پلن ۴٬۸۰۰ دلاری خیالی نشان می‌دهد بدون دیوار محافظ چه هزینه‌ای در انتظار است. تازه‌ترین اخبار این حوزه را در بخش اخبار هوش مصنوعی دنبال کنید و برای دریافت لحظه‌ای تحلیل‌ها به @MrChatGPT_IR بپیوندید.
(0 رأی)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *